像素级特征描述子

用线性上下文学习器从动态三维场景中提取像素特征

Featurising Pixels from Dynamic 3D Scenes with Linear In-Context Learners

用现成网络估计的深度与运动线索图作为上下文，通过线性 in-context 学习从无标注视频中训练像素级、时序一致的特征描述子，可直接替换 VOS、表面法向估计、语义分割等密集预测任务中的骨干表征。